A Graduate Course on Statistical Inference

 
 
Springer (Verlag)
  • erschienen am 2. August 2019
  • |
  • XII, 379 Seiten
 
E-Book | PDF mit Wasserzeichen-DRM | Systemvoraussetzungen
978-1-4939-9761-9 (ISBN)
 
This textbook offers an accessible and comprehensive overview of statistical estimation and inference that reflects current trends in statistical research. It draws from three main themes throughout: the finite-sample theory, the asymptotic theory, and Bayesian statistics. The authors have included a chapter on estimating equations as a means to unify a range of useful methodologies, including generalized linear models, generalized estimation equations, quasi-likelihood estimation, and conditional inference. They also utilize a standardized set of assumptions and tools throughout, imposing regular conditions and resulting in a more coherent and cohesive volume. Written for the graduate-level audience, this text can be used in a one-semester or two-semester course.
1st ed. 2019
  • Englisch
  • NY
  • |
  • USA
Springer US
148 s/w Abbildungen
  • 4,95 MB
978-1-4939-9761-9 (9781493997619)
10.1007/978-1-4939-9761-9
weitere Ausgaben werden ermittelt
Bing Li is Verne M. Wallaman Professor of Statistics at Pennsylvania State University. He is the author of Sufficient Dimension Reduction: Methods and Applications with R (2018). Dr. Li has served as an associate editor for The Annals of Statistics and is currently serving as an associate editor for Journal of the American Association.

G. Jogesh Babu is a distinguished professor of statistics, astronomy, and astrophysics, as well as director of the Center for Astrostatistics, at Pennsylvania State University. He was the 2018 winner of the Jerome Sacks Award for Cross-Disciplinary Research. He and his colleague Dr. E.D. Feigelson coined the term "astrostatistics," when they co-authored a book by the same name in 1996. Dr. Babu's numerous publications also include Statistical Challenges in Modern Astronomy V (with Feigelson, Springer 2012) and Modern Statistical Methods for Astronomy with R Applications (2012).


1. Probability and Random Variables.- 2. Classical Theory of Estimation.- 3. Testing Hypotheses in the Presence of Nuisance Parameters.- 4. Testing Hypotheses in the Presence of Nuisance Parameters.- 5. Basic Ideas of Bayesian Methods.- 6. Bayesian Inference.- 7. Asymptotic Tools and Projections.- 8. Asymptotic Theory for Maximum Likelihood Estimation.- 9. Estimating Equations.- 10. Convolution Theorem and Asymptotic Efficiency.- 11. Asymptotic Hypothesis Test.- References.- Index.

Dateiformat: PDF
Kopierschutz: Wasserzeichen-DRM (Digital Rights Management)

Systemvoraussetzungen:

Computer (Windows; MacOS X; Linux): Verwenden Sie zum Lesen die kostenlose Software Adobe Reader, Adobe Digital Editions oder einen anderen PDF-Viewer Ihrer Wahl (siehe E-Book Hilfe).

Tablet/Smartphone (Android; iOS): Installieren Sie die kostenlose App Adobe Digital Editions oder eine andere Lese-App für E-Books (siehe E-Book Hilfe).

E-Book-Reader: Bookeen, Kobo, Pocketbook, Sony, Tolino u.v.a.m. (nur bedingt: Kindle)

Das Dateiformat PDF zeigt auf jeder Hardware eine Buchseite stets identisch an. Daher ist eine PDF auch für ein komplexes Layout geeignet, wie es bei Lehr- und Fachbüchern verwendet wird (Bilder, Tabellen, Spalten, Fußnoten). Bei kleinen Displays von E-Readern oder Smartphones sind PDF leider eher nervig, weil zu viel Scrollen notwendig ist. Mit Wasserzeichen-DRM wird hier ein "weicher" Kopierschutz verwendet. Daher ist technisch zwar alles möglich - sogar eine unzulässige Weitergabe. Aber an sichtbaren und unsichtbaren Stellen wird der Käufer des E-Books als Wasserzeichen hinterlegt, sodass im Falle eines Missbrauchs die Spur zurückverfolgt werden kann.

Weitere Informationen finden Sie in unserer E-Book Hilfe.


Download (sofort verfügbar)

96,29 €
inkl. 7% MwSt.
Download / Einzel-Lizenz
PDF mit Wasserzeichen-DRM
siehe Systemvoraussetzungen
E-Book bestellen